15 min di lettura
Non chiederti dove l’AI è brava: chiediti dove si inceppa
Nei dati di OpenAI due compiti vicini valgono 79% e 35%. Il punto debole è un anello preciso: come trovarlo nel tuo lavoro.
📌 Questo pezzo parte da dati interni di OpenAI sui propri agenti di programmazione, letti attraverso cinque testate che li riportano in modo concordante: la pagina originale non ho potuto aprirla. Te lo dico subito perché cambia come vanno letti i numeri. Quello che ti porti a casa non sono le percentuali, è un metodo per capire dove l’AI regge nel tuo lavoro e dove no.
Due righe della stessa tabella. Stesso lavoro (la ricerca sui modelli di intelligenza artificiale), stessi agenti, stesso periodo.
Nella prima riga, l’agente porta a termine il compito da solo nel 79% dei casi. Nella seconda, nel 25%.
Prova a indovinare quale è quale. Una riga riguarda il monitoraggio dei training run, cioè controllare i processi con cui un modello viene addestrato per scovare problemi. L’altra riguarda scrivere codice per lo stack di inferenza e serving, cioè l’infrastruttura che fa girare i modelli quando li usiamo.
Se hai pensato “il monitoraggio è la parte noiosa, quindi è quella che l’agente regge”, hai indovinato. Ma ti sei appoggiato a un’idea semplice (noioso uguale facile, complicato uguale difficile) che questi dati non autorizzano. Il 25% non è “il codice complesso” e non è “l’architettura”. È un compito operativo preciso, dentro un mestiere che per il resto l’agente regge in diversi punti. E come vedrai, la riga cambia anche in base a un secondo fattore: quanto dura il lavoro.
Il punto del pezzo è questo: il confine tra ciò che un agente chiude da solo e ciò che sbaglia non è una linea netta, e non sta fermo. Per questo il lavoro nuovo non è imparare una regola. È mappare quel confine sul tuo flusso, con prove, e rifarlo.
Riepilogo Articolo - Luca Cazzaniga
Cosa ha pubblicato OpenAI (e cosa non dice)
Il 18 novembre 2026 OpenAI ha pubblicato un report dal titolo “Research acceleration: The jagged frontier” (puoi trovarlo qui, sul sito di OpenAI). Racconta come i suoi ricercatori usano al proprio interno gli agenti di programmazione per fare ricerca, da marzo a ottobre 2026. I dati sul successo per tipo di compito coprono il periodo dal 1 agosto al 18 ottobre.
“Jagged frontier” si traduce con frontiera frastagliata: l’idea che l’AI non avanzi in modo uniforme, ma abbia punti in cui è sorprendentemente brava e punti in cui inciampa, uno accanto all’altro, come il profilo di una catena di montagne.
Prima di andare avanti, tre avvertenze. Le metto in alto perché cambiano il peso di tutto il resto.
La prima: non ho letto il report originale. La pagina di OpenAI, quando ho provato ad aprirla, mi ha risposto con un errore di accesso. I numeri che ti riporto li ho presi da cinque testate diverse (LavX News, Superpower Daily, AI-TLDR, StartupHub.ai, EconoTimes) che riportano le stesse cifre. Sono tutte uscite entro 24 ore l’una dall’altra, quindi non sono del tutto indipendenti fra loro, e nessuna è una testata di primo piano. Per questo scrivo “il report di OpenAI” e non ti metto frasi tra virgolette.
La seconda: sono dati di chi vende agenti. OpenAI ha un interesse evidente a mostrare che i suoi agenti lavorano bene. Questo non rende i numeri falsi, ma è giusto che tu lo sappia.
La terza: sono stime, non esiti verificati. Secondo quanto riportano le fonti, i tassi di successo sono stime interne di OpenAI, non risultati controllati da qualcuno di esterno. E le fasce di durata (2-4 ore, 4-8 ore) si basano sullo sforzo umano stimato: cioè quanto, secondo le stime, ci avrebbe messo una persona.
Se dopo queste tre avvertenze il pezzo ti sembra comunque utile, è perché il valore non sta nelle percentuali assolute. Sta nella forma della mappa che disegnano.
Primo asse: il tipo di compito

Guardiamo le righe della tabella, tutte dentro lo stesso mestiere, la ricerca sui modelli, tutte misurate sul periodo 1 agosto-18 ottobre.
- Monitoraggio dei training run: 79%. È la categoria più forte. L’agente deve cercare problemi nei processi di addestramento.
- Lancio dei training run: 35%.
- Codice per lo stack di inferenza e serving: 25%. È la più debole.
Nota una cosa: il monitoraggio e il lancio dei training run sono due compiti vicinissimi, nello stesso reparto, con le stesse persone. Eppure un agente porta a termine da solo il primo nel 79% dei casi e il secondo nel 35%.
Per tradurlo: è come se in uno studio fotografico l’assistente fosse affidabilissimo nel controllare che i file siano arrivati tutti dalla scheda, e molto meno affidabile nel lanciare l’esportazione dei file con le impostazioni giuste. Stesso studio, stesso assistente, stesso giorno. Il lavoro “informatico” non è un blocco unico.
E c’è un’altra cosa che conta. Il 25% non significa “gli agenti crollano sul codice difficile”. Il report, per come lo riportano le fonti, parla di un compito preciso: il codice per far girare i modelli in produzione. Non dice “codice complesso” né “architettura”. E il 79% non dice che gli agenti sono bravi nella “routine” in generale: è una riga specifica, il monitoraggio dei training run.
Perché te lo sottolineo? Perché la lettura facile (routine sì, decisioni importanti no) è comoda, tira, e funziona bene nei titoli. Ma i numeri non la reggono. I dati che ho non misurano la difficoltà di queste categorie: non so se il 25% sia semplicemente il compito più duro o se ci sia dell’altro. Quindi non lo scrivo.
Un’ultima conseguenza, riportata da due delle fonti: le categorie deboli possono fare da collo di bottiglia. Se in un flusso di lavoro ci sono cinque passaggi e l’agente ne chiude bene quattro ma si inceppa sul quinto, il guadagno complessivo si frena lì. Il punto, quindi, non è dove l’AI “è brava” in astratto. È dove si inceppa il flusso.
Secondo asse: la durata del lavoro
Il tipo di compito è solo una dimensione. L’altra è quanto dura il lavoro, e qui il report mostra un andamento che ti sarà familiare: più il compito è lungo, meno spesso l’agente lo chiude da solo.
Prendiamo i compiti che una persona avrebbe impiegato, secondo le stime, 2-4 ore a fare. A marzo gli agenti li chiudevano senza intervento nel 23% dei casi. A ottobre, nel 46%. Per quelli da 4-8 ore: dal 13% al 35%.
Due cose da notare. La prima: la riuscita scende all’aumentare della durata (a ottobre, 46% per le 2-4 ore contro 35% per le 4-8). La seconda, che per me è la più importante di tutto il pezzo: in sette mesi quei numeri sono raddoppiati o più che raddoppiati.
Questa seconda cosa merita di essere detta con cura, perché non è una scoperta che dice “gli agenti sono diventati il doppio più capaci”. Lo spiego tra poco.
Intanto, mettendo insieme i due assi, la mappa si vede meglio. Non è un elenco di cose facili e cose difficili. È una superficie con due dimensioni: che cosa stai chiedendo e quanto è lungo il lavoro. A parità di mestiere, conta il tipo di compito, non solo la durata, e nessuno dei due da solo basta a prevedere cosa succederà. Non ti dico che pesino allo stesso modo: i dati mostrano che contano entrambi, non quanto l’uno rispetto all’altro.
Il confine si muove (e non sappiamo di quanto)
Torniamo a quel 23% che diventa 46%. È la parte che più mi interessa, e anche quella dove OpenAI stessa mette il cartello di prudenza.
Il report avverte che la crescita dei tassi non isola la capacità degli agenti. In parole semplici: una parte della salita potrebbe non dipendere dal fatto che gli agenti sono migliorati, ma dal fatto che i ricercatori, con l’esperienza, hanno cambiato cosa delegano. Se impari che un certo tipo di compito all’agente riesce bene, gli passi quello. Se un altro lo manda in crisi, lo tieni tu. Il confronto, inoltre, usa una metodologia aggiornata.
Qui devo essere chiaro su una cosa: non sappiamo quanta parte della salita sia capacità e quanta sia scelta. È un’ipotesi che il report stesso non può escludere. Ma a me, come ragionamento mio, serve per sostenere il metodo: se parte della salita è la scelta dei compiti, allora chi usa gli agenti sta già disegnando un confine. Lo sta facendo a occhio, senza accorgersene, ogni volta che decide cosa passare e cosa tenere. Il punto non è se tracciare una linea. È se tracciarla con prove o a intuito.
Due report, due cifre diverse
C’è poi un precedente interno che aiuta a non confondere le cose. A settembre OpenAI aveva pubblicato un altro report, “The view inside OpenAI”, raccontato da The Decoder il 7 settembre 2026. Lì si parlava di un 86% di successo senza intervento sui compiti sotto i 15 minuti. E per i compiti riusciti da 4-8 ore umane, più della metà aveva richiesto almeno un intervento di una persona. Il giudice, in quel caso, era un classificatore a sua volta basato su AI, e non c’era nessuna revisione indipendente.
Non mescolare queste cifre con quelle di novembre: perimetro diverso, report diverso. Te le metto qui solo per un motivo. Nello stesso laboratorio, a due mesi di distanza, ci sono due fotografie. Il confine, a guardarlo con attenzione, è un’immagine che sbiadisce in fretta.
Un precedente indipendente: Harvard e BCG
L’espressione “frontiera frastagliata” non l’ha inventata OpenAI. Viene da uno studio di qualche anno fa che vale la pena rileggere, anche perché non ha niente a che fare con i numeri di OpenAI.
Nel 2023 un gruppo di ricercatori (tra cui Ethan Mollick, che ha spiegato la ricerca nel suo blog) ha coinvolto 758 consulenti di BCG, circa il 7% dei consulenti dell’azienda, facendoli lavorare con GPT-4. Lo studio è stato poi pubblicato su Organization Science nel 2026, come conferma la pagina dell’HBS AI Institute.
Dentro la frontiera, i consulenti con l’AI hanno completato il 12,2% di compiti in più, lavorando circa il 25% più in fretta, con una qualità valutata oltre il 30% più alta da valutatori umani.
Fuori dalla frontiera, su un caso di strategia di brand scelto apposta per essere un problema in cui l’AI inciampa, la correttezza è passata dall’84,5% di chi lavorava senza AI al 70,6% con GPT-4. E con GPT-4 più una guida al prompting, cioè istruzioni su come chiedere meglio, è scesa al 60%.
Fermati su quest’ultimo dato. Fuori dalla frontiera, un aiuto in più (una guida su come usare lo strumento) ha peggiorato il risultato. Perché? Lo studio, per come l’ho potuto leggere, non lo spiega, quindi ti dico la mia ipotesi: in un campo che non conosci bene, più istruzioni a volte ti spingono a fidarti troppo. Resta un’ipotesi, non un risultato.
Una precisazione di onestà. Questo non conferma i numeri di OpenAI: popolazione diversa (consulenti, non ricercatori), compiti diversi, tecnologia di tre anni fa. Conferma solo l’idea di fondo, quella di un confine irregolare.
Un altro precedente indipendente: l’intuizione sbaglia anche sulla velocità
Un secondo caso, per un motivo diverso. Non riguarda dove l’AI funziona, ma quanto siamo bravi a percepirlo.
Nel 2025 METR, un’organizzazione che studia le capacità dell’AI, ha fatto un esperimento con 16 sviluppatori esperti su 246 problemi reali dei loro progetti. Con l’AI a disposizione, ci hanno messo il 19% di tempo in più. Prima di cominciare si aspettavano di essere più veloci del 24%. A lavoro finito, credevano di essere stati più veloci del 20%. Lo studio è qui.
Attenzione però: è un dato superato, e lo dice la stessa METR, che nella pagina lo definisce “out of date” e non rappresentativo di altri contesti. Nel febbraio 2026 l’organizzazione ha ripetuto la misura con strumenti più recenti: gli sviluppatori originali ci hanno messo il 18% di tempo in meno, i nuovi il 4% in meno. Ma gli intervalli di confidenza includono lo zero, e METR stessa lo definisce “un segnale non affidabile”, probabilmente un limite inferiore del beneficio. Quindi il segno è diverso dal 2025, ma troppo incerto per dire che il risultato si sia rovesciato.
Che cosa ci portiamo a casa? Due cose, senza entrare nei dettagli del lavoro degli sviluppatori. La prima: percezione e misura possono divergere parecchio. Quello che senti di aver risparmiato e quello che hai risparmiato davvero non sono la stessa cosa. La seconda: una misura di ieri può non valere oggi, e chi l’ha fatta lo dice. METR stessa considera superato il suo dato del 2025, e la nuova misura è fragile a sua volta. Anche qui, come con Harvard e BCG, è un precedente indipendente su un tema vicino, non una verifica dei numeri di OpenAI.
E nel tuo lavoro? Come tracciare il tuo confine

Qui facciamo un salto, e te lo dichiaro: i dati di cui ho parlato riguardano ricercatori e programmatori, non fotografi, videomaker o copywriter. Non c’è nessun numero sul tuo mestiere in quello che ho trovato, e METR avverte esplicitamente che i suoi risultati non vanno generalizzati. Quello che segue è una lettura mia, non un dato.
La lettura è questa. Se il confine ha due assi e si muove, nel tuo flusso ci sono compiti che un agente porterà a termine quasi sempre e compiti specifici e operativi in cui si inceppa. L’incognita è quali. E l’intuizione, come ti ha mostrato METR, non è una guida affidabile.
Attenzione a non cadere nella tentazione di darti un’etichetta nobile (“l’AI non può fare le scelte artistiche”). Non è quello che dicono i dati: il 25% di OpenAI non è una questione di gusto, è codice per l’infrastruttura. Nel tuo caso il punto debole sarà un passaggio concreto, magari noioso, magari inaspettato. Come per il serving dentro la ricerca: non una categoria elevata, un anello preciso della catena.
Esiste una voce che prova a dividere i compiti, ma va letta con cautela. Imagen AI, un produttore di software per l’editing fotografico, dichiara che all’umano restano la scelta finale per emozione e narrazione, la revisione degli scarti e la valutazione del mosso intenzionale. È la versione ottimistica e di parte di chi vende lo strumento, non una prova di dove stia il confine. E non ti riporto i suoi numeri sul tempo risparmiato, perché non reggono: nessuna metodologia e cifre incoerenti tra loro.
Allora, che cosa fai? Il metodo che ti propongo è mio, non viene da nessuno studio.
1. Elenca 5-10 compiti ricorrenti del tuo lavoro. Non “fare il mio mestiere”, ma pezzi concreti: rinominare e archiviare i file di uno shooting, scrivere la prima bozza della descrizione di un servizio, preparare le varianti di un banner, riassumere le note di una call con un cliente, e così via.
2. Tieni due colonne per ciascuno. Nella prima, il tipo di compito (che cosa stai chiedendo). Nella seconda, quanto durerebbe a mano. Sono i due assi della mappa, e li compili tu, in dieci minuti.
3. Delega davvero, uno alla volta. Non a sensazione: fallo e basta.
4. Annota dove hai dovuto intervenire. Non “è venuto bene o male”, ma in quale punto hai dovuto metterci le mani, e quanto ti è costato rimediare. Un quaderno, un foglio di calcolo, va bene tutto.
5. Ripeti ogni tanto. Come ordine di grandezza, ogni due mesi circa. È un mio consiglio, non un numero ricavato da qualche studio. Ma la ragione ha un fondamento: i dati di OpenAI mostrano un confine che in sette mesi si è spostato di parecchio, e il caso METR ricorda che anche chi misura considera datata una misura di pochi mesi prima.
Se vuoi approfondire come ragiono sul delegare, ti consiglio di rileggere la mia guida agli agenti AI, dove tratto il livello di autonomia come una manopola da regolare in base alla fiducia che hai in quel compito. E, per il lato umano della questione, Il garzone digitale, su cosa succede a chi impara il mestiere quando le piccole cose le fa un agente.
Tre obiezioni, e cosa rispondo
“Sono numeri di OpenAI, che vende agenti.” Vero, e te l’ho scritto in apertura: stime interne, nessun audit, primaria non letta da me. Per questo non ti chiedo di fidarti delle percentuali. Ti chiedo di guardare la forma: due assi, e un confine mobile. Quella forma ha riscontri indipendenti, sia pure su temi vicini: Harvard/BCG per il confine irregolare, METR per la distanza tra percezione e misura (non per il confine mobile).
“Se il confine sale ogni mese, tracciarlo è inutile.” È il contrario. Proprio perché si sposta va ritracciato. E il caso METR ricorda che anche gli autori di una misura la dichiarano superata dopo qualche mese. Il metodo vale più del dato.
“Stai forzando: i dati sono su ricercatori e codice, non su di me.” Hai ragione. Per questo la parte sul tuo lavoro è dichiarata come estensione mia e non come statistica. Non ti sto dicendo “ecco quanto l’AI fa del tuo mestiere”. Ti sto dando una regola di metodo per scoprirlo da solo.
Quello che ti porti a casa
Tre cose.
Un criterio. Il confine tra ciò che l’agente chiude da solo e ciò che sbaglia ha due assi, tipo di compito e durata, e si sposta. Quindi si testa compito per compito, non per categoria generale.
Una pratica. Prendi 5-10 attività ricorrenti, delega, annota dove intervieni, e ripeti ogni due mesi circa. Non servono strumenti speciali, serve un quaderno.
Un’abitudine critica. Diffida sia di “l’AI fa tutto” sia delle percentuali di chi la vende. Davanti a un numero chiedi sempre tre cose: su che perimetro, chi l’ha misurato, rispetto a cosa.
Una nota finale su come leggere tutta questa storia. Il report non va inteso come l’annuncio di un’AI che si auto-migliora da sola: OpenAI stessa, per come lo riportano le fonti, precisa che non va letto come l’intenzione di perseguire pienamente l’auto-miglioramento ricorsivo. E io non ti dico che il tuo lavoro è salvo, né che l’AI è sopravvalutata. Ti dico una cosa più noiosa e più utile: la competenza nuova non è sapere “dove fermare l’agente” in astratto. È saperlo per ogni tua attività, e rifarlo.
Il primo passo costa dieci minuti. Apri un foglio, scrivi cinque compiti che ripeti ogni settimana, e comincia dal più piccolo.
Luca
Articoli correlati
- Agenti AI: cosa sono, che tipi esistono, dove usarli
- Il garzone digitale: cosa fanno davvero i dots di OpenAI
- Duecento email cancellate mentre lei scriveva STOP: la direttrice della sicurezza AI di Meta ha perso il controllo del suo agente. A Lissone ne hanno appena assunto uno.
✍️ Articolo firmato da “La Redazione”: sistema editoriale multi-agente (AI) orchestrato con Claude Code e supervisionato da Luca Cazzaniga · lucacazzaniga.it